[发明专利]一种基于多模态U-Net的断层识别方法

权利要求书

1.一种基于多模态U-Net的断层识别方法，其特征在于，包括：

S1、对原始断层数据进行处理，提取原始断层数据中的若干种属性；

S2、构建基于U-Net的多模态卷积神经网络；

S3、将步骤S1中提取的原始断层数据的这若干种属性作为输入，对多模态卷积神经网络进行训练；

S4、采用经步骤S3训练好的多模态卷积神经网络进行断层解释。

2.根据权利要求1所述的一种基于多模态U-Net的断层识别方法，其特征在于，步骤S1具体为：提取原始断层数据中的原始振幅属性、相干体属性和蚂蚁体属性；并对原始振幅属性进行归一化处理，将归一化后的振幅属性、相干体属性、蚂蚁体属性作为多模态卷积神经网络的输入。

3.根据权利要求1所述的一种基于多模态U-Net的断层识别方法，其特征在于，步骤S2所述基于U-Net的多模态卷积神经网络结构具体为：在卷积神经网络的基础上，在包含同一路径内的层对之间和跨不同路径、不同层之间建立密集连接。

4.根据权利要求3所述的一种基于多模态U-Net的断层识别方法，其特征在于，所述多模态卷积神经网络包括多个输入流，所述输入流个数与步骤S1中提取的属性种树相同；不同输入流之间按照密集连接方式进行融合。

5.根据权利要求1所述的一种基于多模态U-Net的断层识别方法，其特征在于，步骤S3进行断层解释时采用交叉熵的损失函数与Dice损失函数混合的损失函数。

6.根据权利要求5所述的一种基于多模态U-Net的断层识别方法，其特征在于，记交叉熵的损失函数与Dice损失函数混合的损失函数为Bce_Dice损失函数；表达式如下：

其中，n表示元素个数，p表示元素x被识别为一类的概率，q表示元素x被识别为另一类的概率，|X∩Y|是计算X和Y之间的交集，|X|和|Y|分别表示X和Y的元素个数。